Metodología para la identificación biométrica a partir de señales EEG en múltiples estados emocionales

Resumen en español

La necesidad de garantizar la seguridad y la autenticación precisa en sistemas automatizados ha impulsado la investigación en técnicas avanzadas de identificación biométrica que ha demostrado ser una aproximación efectiva para la autenticación personal, aprovechando características únicas de los individuos haciendo uso de señales electroencefalografía (EEG). Sin embargo, se ha observado que las emociones pueden impactar significativamente las señales, lo que a su vez puede afectar la precisión de la identificación. Esta investigación se centra en comprender cómo diferentes estados emocionales pueden alterar las características de las señales EEG y, por lo tanto, influir en la confiabilidad de los sistemas de identificación. Por lo cual se propone un sistema de identificación biométrica a partir de señales EEG en múltiples estados emocionales con el fin de mejorar la seguridad y la exactitud de los modelos de predicción. Para esto se utilizaron 4 diferentes bases de datos SEED, LUMED, MAHNOB y DEAP; se realizó extracción de características, fusión de datos, y por último se entrenaron diferentes modelos de clasificación incluyendo máquinas de soporte vectorial (SVM), k-vecinos más cercanos (k-NN), redes neuronales, bosques aleatorios (Random Forest) y regresión lineal. Estos métodos son aplicados para modelar las complejas relaciones entre las señales EEG y los estados emocionales, mejorando así la capacidad de los sistemas para adaptarse a las variaciones emocionales de los usuarios. Después del análisis, se obtuvo que la fusión de clasificadores con la base de datos DEAP obtuvo una exactitud máxima de 98.35% lo que demuestra que la metodología planteada puede ser utilizada y genera confiabilidad en los diferentes estados emocionales